O objetivo deste trabalho é comparar os Perfis do Eleitorado dos estados de Santa Catarina e Espírito Santo. Os dados utilizados foram obtidos no site do TSE, acessível neste link.
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.1 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
dados_eleitorado_es <- read_delim(file = "data/eleitorado/es/perfil_eleitor_secao_ATUAL_ES.csv",
delim = ";",
locale = locale("pt", decimal_mark = ",", encoding = "Latin1"))
## Rows: 1571604 Columns: 30
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## chr (12): DT_GERACAO, SG_UF, NM_MUNICIPIO, NM_LOCAL_VOTACAO, DS_GENERO, DS_...
## dbl (17): ANO_ELEICAO, CD_MUNICIPIO, NR_ZONA, NR_SECAO, NR_LOCAL_VOTACAO, C...
## time (1): HH_GERACAO
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
dados_eleitorado_es
dim_dados <- dim(dados_eleitorado_es)
celulas_com_dados = sum(!is.na(dados_eleitorado_es))
print(paste("Número de Linhas: ", dim_dados[1]))
## [1] "Número de Linhas: 1571604"
print(paste("Número de Colunas: ", dim_dados[2]))
## [1] "Número de Colunas: 30"
print(paste("Número de Células com Dados: ", celulas_com_dados))
## [1] "Número de Células com Dados: 47148120"
dados_eleitorado_sc <- read_delim(file = "data/eleitorado/sc/perfil_eleitor_secao_ATUAL_SC.csv",
delim = ";",
locale = locale("pt", decimal_mark = ",", encoding = "Latin1"))
## Rows: 2977591 Columns: 30
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## chr (12): DT_GERACAO, SG_UF, NM_MUNICIPIO, NM_LOCAL_VOTACAO, DS_GENERO, DS_...
## dbl (17): ANO_ELEICAO, CD_MUNICIPIO, NR_ZONA, NR_SECAO, NR_LOCAL_VOTACAO, C...
## time (1): HH_GERACAO
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
dados_eleitorado_sc
dim_dados <- dim(dados_eleitorado_sc)
celulas_com_dados = sum(!is.na(dados_eleitorado_sc))
print(paste("Número de Linhas: ", dim_dados[1]))
## [1] "Número de Linhas: 2977591"
print(paste("Número de Colunas: ", dim_dados[2]))
## [1] "Número de Colunas: 30"
print(paste("Número de Células com Dados: ", celulas_com_dados))
## [1] "Número de Células com Dados: 89327730"
colunas_interesse <- c("NM_MUNICIPIO", "CD_GENERO", "DS_GENERO",
"CD_ESTADO_CIVIL", "DS_ESTADO_CIVIL",
"CD_FAIXA_ETARIA", "DS_FAIXA_ETARIA",
"CD_GRAU_ESCOLARIDADE", "DS_GRAU_ESCOLARIDADE",
"QT_ELEITORES_PERFIL")
dados_selecionados_es <- select(dados_eleitorado_es, all_of(colunas_interesse))
dados_selecionados_sc <- select(dados_eleitorado_sc, all_of(colunas_interesse))
print(paste("Espírito Santo - Número de Células com Dados Após Seleção: ", sum(!is.na(dados_selecionados_es))))
## [1] "Espírito Santo - Número de Células com Dados Após Seleção: 15716040"
print(paste("Santa Catarina - Número de Células com Dados Após Seleção: ", sum(!is.na(dados_selecionados_sc))))
## [1] "Santa Catarina - Número de Células com Dados Após Seleção: 29775910"
dados_filtrados_es <- filter(dados_selecionados_es,
DS_FAIXA_ETARIA != "Inválido",
NM_MUNICIPIO != "NÃO INFORMADO",
DS_GENERO != "NÃO INFORMADO",
DS_ESTADO_CIVIL != "NÃO INFORMADO",
DS_GRAU_ESCOLARIDADE != "NÃO INFORMADO")
dados_filtrados_sc <- filter(dados_selecionados_sc,
DS_FAIXA_ETARIA != "Inválido",
NM_MUNICIPIO != "NÃO INFORMADO",
DS_GENERO != "NÃO INFORMADO",
DS_ESTADO_CIVIL != "NÃO INFORMADO",
DS_GRAU_ESCOLARIDADE != "NÃO INFORMADO")
cat("Espírito Santo:\n\n")
## Espírito Santo:
print(paste("Número de Linhas Após Transformações: ", dim(dados_filtrados_es)[1]))
## [1] "Número de Linhas Após Transformações: 1568860"
print(paste("Número de Colunas Após Transformações: ", dim(dados_filtrados_es)[2]))
## [1] "Número de Colunas Após Transformações: 10"
print(paste("Número de Células com Dados Após Transformações: ", sum(!is.na(dados_filtrados_es))))
## [1] "Número de Células com Dados Após Transformações: 15688600"
cat("\n\nSanta Catarina:\n\n")
##
##
## Santa Catarina:
print(paste("Número de Linhas Após Transformações: ", dim(dados_filtrados_sc)[1]))
## [1] "Número de Linhas Após Transformações: 2977286"
print(paste("Número de Colunas Após Transformações: ", dim(dados_filtrados_sc)[2]))
## [1] "Número de Colunas Após Transformações: 10"
print(paste("Número de Células com Dados Após Transformações: ", sum(!is.na(dados_filtrados_sc))))
## [1] "Número de Células com Dados Após Transformações: 29772860"
criterios_es <- filter(dados_filtrados_es,
DS_GENERO == "MASCULINO",
DS_FAIXA_ETARIA == "35 a 39 anos",
DS_ESTADO_CIVIL == "CASADO",
DS_GRAU_ESCOLARIDADE == "ENSINO MÉDIO COMPLETO")
total_eleitores_criterios_es <- sum(criterios_es$QT_ELEITORES_PERFIL)
total_eleitores_geral_es <- sum(dados_filtrados_es$QT_ELEITORES_PERFIL)
percentagem_es <- round((total_eleitores_criterios_es / total_eleitores_geral_es) * 100, 2)
cat("Espírito Santo: \n\n")
## Espírito Santo:
cat("Critério: Homens Casados de 35 a 39 anos com Ensino Médio Completo\n\n")
## Critério: Homens Casados de 35 a 39 anos com Ensino Médio Completo
print(paste("Número de Eleitores que Atendem ao Critério: ", total_eleitores_criterios_es))
## [1] "Número de Eleitores que Atendem ao Critério: 15211"
print(paste("Número Total de Eleitores: ", total_eleitores_geral_es))
## [1] "Número Total de Eleitores: 2992116"
print(paste("O critério escolhido representa ", percentagem_es, "% dos eleitores do Espírito Santo."))
## [1] "O critério escolhido representa 0.51 % dos eleitores do Espírito Santo."
criterios_sc <- filter(dados_filtrados_sc,
DS_GENERO == "MASCULINO",
DS_FAIXA_ETARIA == "35 a 39 anos",
DS_ESTADO_CIVIL == "CASADO",
DS_GRAU_ESCOLARIDADE == "ENSINO MÉDIO COMPLETO")
total_eleitores_criterios_sc <- sum(criterios_sc$QT_ELEITORES_PERFIL)
total_eleitores_geral_sc <- sum(dados_filtrados_sc$QT_ELEITORES_PERFIL)
percentagem_sc <- round((total_eleitores_criterios_sc / total_eleitores_geral_sc) * 100, 2)
cat("Santa Catarina: \n\n")
## Santa Catarina:
cat("Critério: Homens Casados de 35 a 39 anos com Ensino Médio Completo\n\n")
## Critério: Homens Casados de 35 a 39 anos com Ensino Médio Completo
print(paste("Número de Eleitores que Atendem ao Critério: ", total_eleitores_criterios_sc))
## [1] "Número de Eleitores que Atendem ao Critério: 29706"
print(paste("Número Total de Eleitores: ", total_eleitores_geral_sc))
## [1] "Número Total de Eleitores: 5628787"
print(paste("O critério escolhido representa ", percentagem_sc, "% dos eleitores de Santa Catarina."))
## [1] "O critério escolhido representa 0.53 % dos eleitores de Santa Catarina."
# Calcular total de eleitores por gênero no ES
contagem_genero_es <- dados_filtrados_es %>%
group_by(DS_GENERO) %>%
summarise(TOTAL_ELEITORES_ES = sum(QT_ELEITORES_PERFIL, na.rm = TRUE))
# Calcular total de eleitores por gênero no SC
contagem_genero_sc <- dados_filtrados_sc %>%
group_by(DS_GENERO) %>%
summarise(TOTAL_ELEITORES_SC = sum(QT_ELEITORES_PERFIL, na.rm = TRUE))
contagem_genero <- full_join(contagem_genero_es, contagem_genero_sc, by = "DS_GENERO")
print(contagem_genero)
## # A tibble: 2 × 3
## DS_GENERO TOTAL_ELEITORES_ES TOTAL_ELEITORES_SC
## <chr> <dbl> <dbl>
## 1 FEMININO 1568263 2921782
## 2 MASCULINO 1423853 2707005
ggplot(contagem_genero, aes(x = DS_GENERO, y = TOTAL_ELEITORES_ES, fill = DS_GENERO)) +
geom_bar(stat = "identity") +
labs(title = "Total de Eleitores por Gênero em ES",
x = "Gênero",
y = "Total de Eleitores") +
theme_minimal()
ggplot(contagem_genero, aes(x = DS_GENERO, y = TOTAL_ELEITORES_SC, fill = DS_GENERO)) +
geom_bar(stat = "identity") +
labs(title = "Total de Eleitores por Gênero em SC",
x = "Gênero",
y = "Total de Eleitores") +
theme_minimal()
contagem_genero_idade_es <- dados_filtrados_es %>%
group_by(DS_GENERO, DS_FAIXA_ETARIA) %>%
summarise(TOTAL_ELEITORES_ES = sum(QT_ELEITORES_PERFIL)) %>%
arrange(DS_GENERO, DS_FAIXA_ETARIA)
## `summarise()` has grouped output by 'DS_GENERO'. You can override using the
## `.groups` argument.
contagem_genero_idade_sc <- dados_filtrados_sc %>%
group_by(DS_GENERO, DS_FAIXA_ETARIA) %>%
summarise(TOTAL_ELEITORES_SC = sum(QT_ELEITORES_PERFIL)) %>%
arrange(DS_GENERO, DS_FAIXA_ETARIA)
## `summarise()` has grouped output by 'DS_GENERO'. You can override using the
## `.groups` argument.
contagem_genero_idade <- full_join(contagem_genero_idade_es, contagem_genero_idade_sc, by = c("DS_GENERO", "DS_FAIXA_ETARIA"))
print(contagem_genero_idade)
## # A tibble: 44 × 4
## # Groups: DS_GENERO [2]
## DS_GENERO DS_FAIXA_ETARIA TOTAL_ELEITORES_ES TOTAL_ELEITORES_SC
## <chr> <chr> <dbl> <dbl>
## 1 FEMININO 100 anos ou mais 1224 2622
## 2 FEMININO 16 anos 3832 7425
## 3 FEMININO 17 anos 7265 13132
## 4 FEMININO 18 anos 15510 29213
## 5 FEMININO 19 anos 19992 37179
## 6 FEMININO 20 anos 22886 42353
## 7 FEMININO 21 a 24 anos 104985 192207
## 8 FEMININO 25 a 29 anos 150962 284522
## 9 FEMININO 30 a 34 anos 148525 294015
## 10 FEMININO 35 a 39 anos 161961 301290
## # ℹ 34 more rows
ggplot(contagem_genero_idade, aes(x = DS_FAIXA_ETARIA, y = TOTAL_ELEITORES_ES, fill = DS_GENERO)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Eleitores por Gênero e Faixa Etária em ES",
x = "Faixa Etária",
y = "Total de Eleitores",
fill = "Gênero") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
ggplot(contagem_genero_idade, aes(x = DS_FAIXA_ETARIA, y = TOTAL_ELEITORES_SC, fill = DS_GENERO)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Eleitores por Gênero e Faixa Etária em SC",
x = "Faixa Etária",
y = "Total de Eleitores",
fill = "Gênero") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
ggplot(contagem_genero_idade, aes(x = DS_FAIXA_ETARIA, y = DS_GENERO, fill = TOTAL_ELEITORES_ES)) +
geom_tile() +
labs(title = "Mapa de Calor: Eleitores por Gênero e Faixa Etária em ES",
x = "Faixa Etária",
y = "Gênero",
fill = "Total de Eleitores") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
ggplot(contagem_genero_idade, aes(x = DS_FAIXA_ETARIA, y = DS_GENERO, fill = TOTAL_ELEITORES_SC)) +
geom_tile() +
labs(title = "Mapa de Calor: Eleitores por Gênero e Faixa Etária em SC",
x = "Faixa Etária",
y = "Gênero",
fill = "Total de Eleitores") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
eleitores_por_municipio_es <- dados_filtrados_es %>%
group_by(NM_MUNICIPIO) %>%
summarise(TOTAL_ELEITORES_ES = sum(QT_ELEITORES_PERFIL, na.rm = TRUE))
print(eleitores_por_municipio_es)
## # A tibble: 78 × 2
## NM_MUNICIPIO TOTAL_ELEITORES_ES
## <chr> <dbl>
## 1 AFONSO CLÁUDIO 25913
## 2 ALEGRE 24139
## 3 ALFREDO CHAVES 12803
## 4 ALTO RIO NOVO 6735
## 5 ANCHIETA 24507
## 6 APIACÁ 6588
## 7 ARACRUZ 74932
## 8 ATÍLIO VIVÁCQUA 9351
## 9 BAIXO GUANDU 25343
## 10 BARRA DE SÃO FRANCISCO 34547
## # ℹ 68 more rows
eleitores_por_municipio_sc <- dados_filtrados_sc %>%
group_by(NM_MUNICIPIO) %>%
summarise(TOTAL_ELEITORES_SC = sum(QT_ELEITORES_PERFIL, na.rm = TRUE))
print(eleitores_por_municipio_sc)
## # A tibble: 295 × 2
## NM_MUNICIPIO TOTAL_ELEITORES_SC
## <chr> <dbl>
## 1 ABDON BATISTA 2649
## 2 ABELARDO LUZ 12795
## 3 AGROLÂNDIA 8121
## 4 AGRONÔMICA 4467
## 5 ALFREDO WAGNER 8025
## 6 ALTO BELA VISTA 1773
## 7 ANCHIETA 5050
## 8 ANGELINA 5063
## 9 ANITA GARIBALDI 6912
## 10 ANITÁPOLIS 3302
## # ℹ 285 more rows
eleitores_por_estado_civil_es <- dados_filtrados_es %>%
group_by(DS_ESTADO_CIVIL) %>%
summarise(TOTAL_ELEITORES_ES = sum(QT_ELEITORES_PERFIL))
eleitores_por_estado_civil_sc <- dados_filtrados_sc %>%
group_by(DS_ESTADO_CIVIL) %>%
summarise(TOTAL_ELEITORES_SC = sum(QT_ELEITORES_PERFIL))
eleitores_por_estado_civil <- full_join(eleitores_por_estado_civil_es, eleitores_por_estado_civil_sc, by = "DS_ESTADO_CIVIL")
print(eleitores_por_estado_civil)
## # A tibble: 5 × 3
## DS_ESTADO_CIVIL TOTAL_ELEITORES_ES TOTAL_ELEITORES_SC
## <chr> <dbl> <dbl>
## 1 CASADO 1089454 2089895
## 2 DIVORCIADO 140305 259425
## 3 SEPARADO JUDICIALMENTE 26854 92766
## 4 SOLTEIRO 1667531 3036985
## 5 VIÚVO 67972 149716
eleitores_por_escolaridade_es <- dados_filtrados_es %>%
group_by(DS_GRAU_ESCOLARIDADE) %>%
summarise(TOTAL_ELEITORES_ES = sum(QT_ELEITORES_PERFIL))
eleitores_por_escolaridade_sc <- dados_filtrados_sc %>%
group_by(DS_GRAU_ESCOLARIDADE) %>%
summarise(TOTAL_ELEITORES_SC = sum(QT_ELEITORES_PERFIL))
eleitores_por_escolaridade <- full_join(eleitores_por_escolaridade_es, eleitores_por_escolaridade_sc, by = "DS_GRAU_ESCOLARIDADE")
print(eleitores_por_escolaridade)
## # A tibble: 8 × 3
## DS_GRAU_ESCOLARIDADE TOTAL_ELEITORES_ES TOTAL_ELEITORES_SC
## <chr> <dbl> <dbl>
## 1 ANALFABETO 100021 64280
## 2 ENSINO FUNDAMENTAL COMPLETO 209604 523586
## 3 ENSINO FUNDAMENTAL INCOMPLETO 739409 1248805
## 4 ENSINO MÉDIO COMPLETO 768580 1506140
## 5 ENSINO MÉDIO INCOMPLETO 555193 872793
## 6 LÊ E ESCREVE 170152 170304
## 7 SUPERIOR COMPLETO 310899 811247
## 8 SUPERIOR INCOMPLETO 138258 431632
Os datasets de Eleitorado são predominantemente formados por colunas categóricas, e portanto é difícil fazer análises estatísticas nesses dados. Sendo assim, aqui fizemos algumas análises voltadas especificamente para os municípios de cada estado, como por exemplo a média de eleitores ao longo dos municípios, o número máximo e mínimo de eleitores em um município, dentre outros.
estatisticas_es <- eleitores_por_municipio_es %>%
summarise(
media_eleitores = mean(TOTAL_ELEITORES_ES, na.rm = TRUE),
mediana_eleitores = median(TOTAL_ELEITORES_ES, na.rm = TRUE),
max_eleitores = max(TOTAL_ELEITORES_ES, na.rm = TRUE),
min_eleitores = min(TOTAL_ELEITORES_ES, na.rm = TRUE),
desvio_padrao = sd(TOTAL_ELEITORES_ES, na.rm = TRUE)
) %>%
mutate(estado = "ES")
estatisticas_sc <- eleitores_por_municipio_sc %>%
summarise(
media_eleitores = mean(TOTAL_ELEITORES_SC, na.rm = TRUE),
mediana_eleitores = median(TOTAL_ELEITORES_SC, na.rm = TRUE),
max_eleitores = max(TOTAL_ELEITORES_SC, na.rm = TRUE),
min_eleitores = min(TOTAL_ELEITORES_SC, na.rm = TRUE),
desvio_padrao = sd(TOTAL_ELEITORES_SC, na.rm = TRUE)
) %>%
mutate(estado = "SC")
estatisticas <- bind_rows(estatisticas_es, estatisticas_sc)
print(estatisticas)
## # A tibble: 2 × 6
## media_eleitores mediana_eleitores max_eleitores min_eleitores desvio_padrao
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 38360. 15562. 361362 4947 69499.
## 2 19081. 6692 433953 1534 45074.
## # ℹ 1 more variable: estado <chr>
Aqui serão calculadas as respostas para as perguntas sugeridas no trabalho, para os dois estados considerados. São elas:
mn_menos_eleitores_es <- eleitores_por_municipio_es %>%
filter(TOTAL_ELEITORES_ES == min(TOTAL_ELEITORES_ES, na.rm = TRUE))
print(paste("O município do Espírito Santo com menos eleitores é",
mn_menos_eleitores_es$NM_MUNICIPIO,
", com um total de",
mn_menos_eleitores_es$TOTAL_ELEITORES_ES,
"eleitores."))
## [1] "O município do Espírito Santo com menos eleitores é DIVINO DE SÃO LOURENÇO , com um total de 4947 eleitores."
capital_es <- "VITÓRIA"
mn_mais_eleitores_es <- eleitores_por_municipio_es %>%
filter(NM_MUNICIPIO != capital_es) %>%
arrange(desc(TOTAL_ELEITORES_ES)) %>%
slice(1)
print(paste("O município do Espírito Santo com mais eleitores excluindo a capital é",
mn_mais_eleitores_es$NM_MUNICIPIO,
", com um total de",
mn_mais_eleitores_es$TOTAL_ELEITORES_ES,
"eleitores."))
## [1] "O município do Espírito Santo com mais eleitores excluindo a capital é SERRA , com um total de 361362 eleitores."
print("Nota: A capital do Espírito Santo não é o município com mais eleitores do estado.")
## [1] "Nota: A capital do Espírito Santo não é o município com mais eleitores do estado."
variacao_municipios_es <- eleitores_por_municipio_es %>%
summarise(
faixa_variacao = max(TOTAL_ELEITORES_ES, na.rm = TRUE) - min(TOTAL_ELEITORES_ES, na.rm = TRUE),
)
print(paste("A faixa de variação da quantidade de eleitores por município em Espírito Santo é",
variacao_municipios_es$faixa_variacao))
## [1] "A faixa de variação da quantidade de eleitores por município em Espírito Santo é 356415"
variacao_genero_es <- contagem_genero_es %>%
summarise(
faixa_variacao = max(TOTAL_ELEITORES_ES, na.rm = TRUE) - min(TOTAL_ELEITORES_ES, na.rm = TRUE)
)
print(paste("A faixa de variação da quantidade de eleitores por gênero em Espírito Santo é",
variacao_genero_es$faixa_variacao))
## [1] "A faixa de variação da quantidade de eleitores por gênero em Espírito Santo é 144410"
mn_menos_eleitores_sc <- eleitores_por_municipio_sc %>%
filter(TOTAL_ELEITORES_SC == min(TOTAL_ELEITORES_SC, na.rm = TRUE))
print(paste("O município de Santa Catarina com menos eleitores é",
mn_menos_eleitores_sc$NM_MUNICIPIO,
", com um total de",
mn_menos_eleitores_sc$TOTAL_ELEITORES_SC,
"eleitores."))
## [1] "O município de Santa Catarina com menos eleitores é SANTIAGO DO SUL , com um total de 1534 eleitores."
capital_sc <- "FLORIANÓPOLIS"
mn_mais_eleitores_sc <- eleitores_por_municipio_sc %>%
filter(NM_MUNICIPIO != capital_sc) %>%
arrange(desc(TOTAL_ELEITORES_SC)) %>%
slice(1)
print(paste("O município do Santa Catarina com mais eleitores excluindo a capital é",
mn_mais_eleitores_sc$NM_MUNICIPIO,
", com um total de",
mn_mais_eleitores_sc$TOTAL_ELEITORES_SC,
"eleitores."))
## [1] "O município do Santa Catarina com mais eleitores excluindo a capital é JOINVILLE , com um total de 433953 eleitores."
print("Nota: A capital de Santa Catarina não é o município com mais eleitores do estado.")
## [1] "Nota: A capital de Santa Catarina não é o município com mais eleitores do estado."
variacao_municipios_sc <- eleitores_por_municipio_sc %>%
summarise(
faixa_variacao = max(TOTAL_ELEITORES_SC, na.rm = TRUE) - min(TOTAL_ELEITORES_SC, na.rm = TRUE),
)
print(paste("A faixa de variação da quantidade de eleitores por município em Santa Catarina é",
variacao_municipios_sc$faixa_variacao))
## [1] "A faixa de variação da quantidade de eleitores por município em Santa Catarina é 432419"
variacao_genero_sc <- contagem_genero_sc %>%
summarise(
faixa_variacao = max(TOTAL_ELEITORES_SC, na.rm = TRUE) - min(TOTAL_ELEITORES_SC, na.rm = TRUE)
)
print(paste("A faixa de variação da quantidade de eleitores por gênero em Santa Catarina é",
variacao_genero_sc$faixa_variacao))
## [1] "A faixa de variação da quantidade de eleitores por gênero em Santa Catarina é 214777"